Linux für Accelerated Computing-Instances

Wenn Sie große Datenverarbeitungskapazitäten benötigen, können Sie von der Verwendung von Accelerated Computing-Instances profitieren; diese bieten eine hardwarebasierte beschleunigte Datenverarbeitung z. B. durch Grafikprozessoreinheiten (Graphics Processing Units, GPUs) oder vor Ort programmierbare Gate-Arrays (Field Programmable Gate Arrays, FPGAs). Accelerated Computing-Instances verbessern die parallele Verarbeitung für einen höheren Durchsatz bei rechenintensiven Workloads.

GPU-basierte Instances bieten Zugriff auf NVIDIA-GPUs mit Tausenden von Recheneinheiten. Mit GPU-basierten Accelerated Computing-Instances können Sie wissenschaftliche, technische und Rendering-Anwendungen beschleunigen, indem Sie das CUDA- oder OpenCL-Framework (Open Computing Language) für die parallele Datenverarbeitung verwenden. Sie können sie außerdem für Grafikanwendungen verwenden, u. a. das Streamen von Spielen und 3-D-Anwendungen sowie andere Grafik-Workloads.

FPGA-basierte Instances bieten Zugriff auf große FPGAs mit Millionen von parallel geschalteten Systemlogik-Zellen. Mit FPGA-basierten Accelerated Computing-Instances können Sie u. a. die Verarbeitung von Workloads in den folgenden Bereichen beschleunigen, indem Sie benutzerdefinierte Hardwarebeschleunigung verwenden: Genomik, Finanzanalysen, Echtzeit-Videoverarbeitung, Big Data-Analysen und Sicherheit. Sie können diese Beschleunigung mit Hardwarebeschreibungssprachen wie Verilog oder VHDL erreichen, oder indem Sie höhere Programmiersprachen wie das OpenCL-Framework für die parallele Datenverarbeitung verwenden. Sie können entweder eigenen Code für die Hardwarebeschleunigung entwickeln oder eine Hardwarebeschleunigung über den AWS Marketplace erwerben.

Wichtig

In FPGA-basierten Instances wird Microsoft Windows nicht unterstützt.

Sie können clusterbeschleunigte Datenverarbeitungs-Instances in einer Cluster Placement-Gruppe anordnen. Cluster Placement-Gruppen sorgen für eine niedrige Latenz und eine hohe Bandbreitenkonnektivität zwischen den Instances in einer einzelnen Availability Zone. Weitere Informationen finden Sie unter Platzierungsgruppen.

Inhalt

Weitere Informationen zu Accelerated Computing-Instances unter Windows finden Sie unter Accelerated Computing-Instances unter Windows im Amazon EC2-Benutzerhandbuch für Windows-Instances.

Accelerated Computing-Instance-Familien

Accelerated Computing-Instance-Familien verwenden Hardware-Beschleuniger bzw. Koprozessoren, um bestimmte Aufgaben effizienter als mit nur auf CPUs ausgeführter Software zu bewältigen; dazu gehört die Berechnung von Gleitkommazahlen, die Grafikverarbeitung oder die Mustererkennung in Daten. Die folgenden Accelerated Computing-Instance-Familien sind für den Start in Amazon EC2 verfügbar.

F1-Instances

F1-Instances verwenden Xilinx UltraScale+ VU9P FPGAs und sind dafür konzipiert, rechenintensive Algorithmen zu beschleunigen, z. B. Datenfluss- oder hochparallele Operationen, für die universelle CPUs nicht geeignet sind. Jeder FPGA in einer F1-Instance enthält ca. 2,5 Millionen logische Elemente und ca. 6 800 Digital Signal Processing-Engines (DSP), dazu 64 GB lokalen ECC-geschützten DDR-Speicher, der über eine dedizierte PCIe Gen3 x16-Verbindung mit der Instance verbunden ist. F1-Instances bieten lokale NVMe SSD-Volumes.

Entwickler können das FPGA Developer AMI und das AWS Hardware Developer Kit verwenden, um eine benutzerdefinierte Hardwarebeschleunigung für den Einsatz in einer F1-Instance zu erstellen. Das FPGA Developer AMI stellt Entwicklungstools bereit, mit denen der gesamte FPGA-Entwicklungsprozess in der Cloud stattfinden kann. Mit diesen Tools können Entwickler Amazon FPGA Images (AFIs) erstellen und freigeben, die in den FPGA einer F1-Instance geladen werden können.

Weitere Informationen finden Sie unter Amazon EC2 F1 Instances.

P3-Instances

P3-Instances verwenden NVIDIA Tesla V100 GPUs und sind für die allgemeine Datenverarbeitung durch GPUs mithilfe des CUDA- oder des OpenCL-Programmiermodells oder über ein Machine Learning-Framework konzipiert. P3-Instances bieten Netzwerke mit hoher Bandbreite sowie leistungsstarke Gleitkomma-Kapazitäten mit halber, einfacher und doppelter Genauigkeit und bis zu 32 GB Speicher pro GPU; sie sind ideal für die folgenden Bereiche: Deep-Learning, numerische Strömungsmechanik, numerische Finanzen, seismische Analysen, molekulare Modellierung, Genomik, Rendering und andere Workloads für die serverseitige GPU-Datenverarbeitung. Tesla V100 GPUs unterstützen keinen Grafikmodus. Weitere Informationen finden Sie unter Amazon EC2 P3 Instances.

P3-Instances unterstützen die Peer-to-Peer-Datenübertragung mit NVIDIA NVLink.

Um Topologie-Informationen über das System anzuzeigen, führen Sie den folgenden Befehl aus:


nvidia-smi topo -m

Weitere Informationen finden Sie unter NVIDIA NVLink.

P2-Instances

P2-Instances verwenden NVIDIA Tesla K80 GPUs und sind für die allgemeine Datenverarbeitung durch GPUs mithilfe des CUDA- oder des OpenCL-Programmiermodells konzipiert. P2-Instances bieten Netzwerke mit hoher Bandbreite sowie leistungsstarke Gleitkomma-Kapazitäten mit einfacher und doppelter Genauigkeit und 12 GB Speicher pro GPU; sie sind ideal für die folgenden Bereiche: Deep-Learning, Graph-Datenbanken, hochperformante Datenbanken, numerische Strömungsmechanik, numerische Finanzen, seismische Analysen, molekulare Modellierung, Genomik, Rendering und andere Workloads für die serverseitige GPU-Datenverarbeitung.

P2-Instances unterstützen die Peer-to-Peer-Datenübertragung mit NVIDIA GPUDirect.

Um Topologie-Informationen über das System anzuzeigen, führen Sie den folgenden Befehl aus:


nvidia-smi topo -m

Weitere Informationen finden Sie unter NVIDIA GPUDirect.

G4-Instances

G4-Instances verwenden NVIDIA Tesla GPUs und bieten eine kosteneffiziente Hochleistungs-Plattform für allgemeines GPU-Computing unter Verwendung der CUDA- oder Machine Learning-Frameworks zusammen mit Grafikanwendungen, die DirectX oder OpenGL verwenden. G4-Instances bieten Netzwerkbetrieb mit hoher Bandbreite, leistungsstarke halbe und Gleitkomma-Fähigkeiten mit einfacher Genauigkeit, zusammen mit INT8- und INT4-Präzisionen. Jede GPU hat 16 GiB an GDDR6-Speicher, wodurch die G4-Instances gut geeignet für Machine Learning-Inferenzen, Video-Transcodierung und Grafikanwendungen, wie Remote-Grafikarbeitsplätze und Game-Streaming in der Cloud.

G4-Instances unterstützen NVIDIA GRID Virtual Workstation. Weitere Informationen finden Sie unter NVIDIA Marketplace offerings.

G3-Instances

G3-Instances verwenden NVIDIA Tesla M60 GPUs und bieten eine kostengünstige Hochleistungsplattform für Grafikanwendungen unter Verwendung von DirectX oder OpenGL. G3-Instances stellen außerdem NVIDIA GRID Virtual Workstation-Funktionen bereit, wie z. B. Unterstützung für 4 Bildschirme mit einer Auflösung von bis zu 4096x2160 Pixel, sowie NVIDIA GRID Virtual Applications. G3-Instances eignen sich sehr gut für Anwendungen wie z. B. 3D-Visualisierungen, grafikintensive Remote-Workstations, das 3D-Rendering, die Videocodierung, Virtual-Reality-Anwendungen und andere serverseitige Grafik-Workloads, die eine massive parallele Rechenleistung erfordern.

G3-Instances unterstützen NVIDIA GRID Virtual Workstation und NVIDIA GRID Virtual Applications. Informationen zum Aktivieren dieser Funktionen finden Sie unter Aktivieren von NVIDIA GRID Virtual Applications auf G3-Instances.

G2-Instances

G2-Instances verwenden NVIDIA GRID K520 GPUs und bieten eine kostengünstige Hochleistungsplattform für Grafikanwendungen unter Verwendung von DirectX oder OpenGL. NVIDIA GRID GPUs unterstützen außerdem die NVIDIA-API-Operationen zur schnellen Erfassung und Codierung. Anwendungsbeispiele sind Services für die Video-Erstellung, 3D-Visualisierungen, grafikintensive Streaming-Anwendungen und andere serverseitige Grafik-Workloads.

Hardware

Im Folgenden finden Sie eine Zusammenfassung der Hardware-Spezifikationen für Instances für beschleunigte Berechnungen.

Instance-Typ	Standard vCPUs	Arbeitsspeicher (GiB)	Accelerators
`p2.xlarge`	4	61	1
`p2.8xlarge`	32	488	8
`p2.16xlarge`	64	732	16
`p3.2xlarge`	8	61	1
`p3.8xlarge`	32	244	4
`p3.16xlarge`	64	488	8
`p3dn.24xlarge`	96	768	8
`g2.2xlarge`	8	15	1
`g2.8xlarge`	32	60	4
`g3s.xlarge`	4	30,5	1
`g3.4xlarge`	16	122	1
`g3.8xlarge`	32	244	2
`g3.16xlarge`	64	488	4
`g4dn.xlarge`	4	16	1
`g4dn.2xlarge`	8	32	1
`g4dn.4xlarge`	16	64	1
`g4dn.8xlarge`	32	128	1
`g4dn.12xlarge`	48	192	4
`g4dn.16xlarge`	64	256	1
`f1.2xlarge`	8	122	1
`f1.4xlarge`	16	244	2
`f1.16xlarge`	64	976	8

Weitere Informationen zu den Hardware-Spezifikationen für jeden Amazon EC2-Instance-Typ finden Sie unter Amazon EC2 Instance-Typen.

Weitere Informationen zur Angabe von CPU-Optionen finden Sie unter Optimierung der CPU-Optionen.

Instance-Leistung

Sie können verschiedene Optimierungen an den GPU-Einstellungen vornehmen, um die bestmögliche Leistung in Ihrer Instance zu erzielen. Weitere Informationen finden Sie unter Optimieren der GPU-Einstellungen.

EBS-optimierte Instances bieten die beste Leistung für Ihre EBS-Volumes, indem der Datenverkehr zwischen Amazon Amazon EBS-E/A und anderem Netzwerk-Datenverkehr von Ihrer Instance optimiert wird. Einige beschleunigte Datenverarbeitungs-Instances sind standardmäßig und ohne zusätzliche Kosten EBS-optimiert. Weitere Informationen finden Sie unter Amazon EBS-optimierte Instances.

Einige beschleunigte Datenverarbeitungs-Instance-Typen ermöglichen die Steuerung von C- und P-Prozessorzuständen unter Linux. C-Zustände steuern den Ruhezustand eines Kerns im inaktiven Zustand. P-Zustände steuern die gewünschte Leistung (CPU-Frequenz) eines Kern. Weitere Informationen finden Sie unter Steuerung des Prozessorzustands für Ihre EC2 Instance.

Netzwerkleistung

Sie können Enhanced Networking-Funktionen auf unterstützten Instance-Typen aktivieren. Enhanced Networking ermöglicht mehr Pakete pro Sekunde (PPS), weniger Netzwerk-Jitter und niedrigere Netzwerklatenz. Weitere Informationen finden Sie unter Enhanced Networking unter Linux.

Instance-Typen, die für Enhanced Networking den Elastic Network Adapter (ENA) verwenden, bieten eine hohe Paket-pro-Sekunde-Leistung mit gleichbleibend niedrigen Latenzen an. Die meisten Anwendungen brauchen kein gleichbleibend hohes Niveau an Netzwerkleistung, können aber vom Zugriff auf eine erhöhte Bandbreite profitieren, wenn sie Daten senden oder empfangen. Instance-Größen, die ENA verwenden und mit einer Netzwerkleistung von „Bis zu 10 GBit/s“ oder „Bis zu 25 GBit/s“ dokumentiert sind, nutzen ein Netzwerk-E/A-Guthabensystem, mit dem Instances Netzwerkbandbreite basierend auf der durchschnittlichen Bandbreitennutzung zugewiesen wird. Diese Instances sammeln Guthaben an, wenn ihre Netzwerkbandbreite unter den Basis-Grenzwerten liegt, und können diese Guthaben verwenden, wenn sie Netzwerk-Datenübertragungen durchführen.

Im Folgenden finden Sie eine Zusammenfassung der Netzwerkleistung für Instances für beschleunigte Berechnungen, die Enhanced Networking unterstützen.

Instance-Typ	Netzwerkleistung	Enhanced Networking
`f1.2xlarge` \| `f1.4xlarge` \| `g3.4xlarge` \| `p3.2xlarge`	Bis zu 10 Gbit/s	ENA
`g3s.xlarge` \| `g3.8xlarge` \| `p2.8xlarge` \| `p3.8xlarge`	10 Gbit/s	ENA
`g4dn.xlarge` \| `g4dn.2xlarge` \| `g4dn.4xlarge`	Bis zu 25 Gbit/s	ENA
`f1.16xlarge` \| `g3.16.xlarge` \| `g3.16.xlarge` \| `p2.16xlarge` \| `p3.16xlarge`	25 Gbit/s	ENA
`g4dn.8xlarge` \| `g4dn.12xlarge` \| `g4dn.16xlarge`	50 Gbit/s	ENA
`p3dn.24xlarge`	100 Gbit/s	ENA

Funktionen von Instances

Im Folgenden finden Sie eine Zusammenfassung der Funktionen von Instances für beschleunigten Berechnungen:

	Nur EBS	NVMe-EBS	Instance-Speicher	Platzierungsgruppe
G2	Nein	Nein	SSD	Ja
G3	Ja	Nein	Nein	Ja
G4	Nein	Ja	NVMe *	Ja
P2	Ja	Nein	Nein	Ja
P3	`p3dn.24xlarge`: Nein Alle anderen Größen: Ja	`p3dn.24xlarge`: Ja Alle anderen Größen: Nein	`p3dn.24xlarge`: NVMe*	Ja
F1	Nein	Nein	NVMe *	Ja

* Der Root-Gerät-Datenträger muss ein Amazon EBS-Volume sein.

Weitere Informationen finden Sie unter:

Versionshinweise

Sie müssen die Instance mit einem HVM-AMI starten.
Die folgenden Anforderungen gelten für G4-Instances:
- NVMe-Treiber müssen installiert sein. EBS-Volumes werden als NVMe-Blockgeräte angezeigt.
- Elastic Network Adapter (ENA)-Treiber müssen installiert sein.
Die folgenden AMIs erfüllen diese Anforderungen:
- Amazon Linux 2
- Amazon Linux AMI 2018.03
- Ubuntu 14.04 oder höher
- Red Hat Enterprise Linux 7.4 oder höher
- SUSE Linux Enterprise Server 12 SP2 oder höher
- CentOS 7 oder höher
- FreeBSD 11.1 oder höher
GPU-basierte Instances können nur auf die GPU zugreifen, wenn NVIDIA-Treiber installiert wurden. Weitere Informationen finden Sie unter Installieren des NVIDIA-Treibers in Linux-Instances.
Es gilt ein Limit von 100 AFIs pro Region.
Es gibt ein Limit bezüglich der Anzahl von Instances, die Sie ausführen können. Weitere Informationen finden Sie unter Wie viele Instances kann ich in Amazon EC2 ausführen? in der allgemeinen Amazon EC2-FAQ. Wenn Sie eine Erhöhung dieser Limits beantragen möchten, verwenden Sie das folgende Formular: Antrag auf Erhöhung des Amazon EC2-Instance-Limits.

AMIs für GPU-basierte Accelerated Computing-Instances

NVIDIA und andere stellen AMIs für GPU-basierte Accelerated Computing-Instances bereit, um Ihnen einen schnellen Einstieg zu ermöglichen. Diese Referenz-AMIs enthalten die NVIDIA-Treiber, d. h. Sie können auf alle Funktionen und die volle Leistung der NVIDIA-GPUs zugreifen.

Eine Liste der AMIs mit den NVIDIA-Treibern finden Sie wie folgt im AWS Marketplace.

Sie können Accelerated Computing-Instances mit allen HVM-AMIs starten.

Wichtig

Diese AMIs beinhalten Treiber, Software oder Toolkits, die von der NVIDIA Corporation entwickelt wurden, ihr Eigentum sind oder von ihr bereitgestellt werden. Durch die Nutzung dieser AMIs erklären Sie, diese NVIDIA-Treiber, -Software oder -Toolkits nur auf Amazon EC2-Instances zu verwenden, die NVIDIA-Hardware enthalten.

Sie können den NVIDIA-Treiber auch installieren. Weitere Informationen finden Sie unter Installieren des NVIDIA-Treibers in Linux-Instances.

Warnung JavaScript ist in Ihrem Browser nicht verfügbar oder deaktiviert.

Zur Nutzung der AWS-Dokumentation muss JavaScript aktiviert sein. Weitere Informationen finden auf den Hilfe-Seiten Ihres Browsers.

Dokumentkonventionen

« Zurück Weiter »